Regresión Lineal Múltiple. Conceptos básicos.

Conceptos básicos de regresión lineal múltiple: características del modelo, supuestos sobre los residuales, multicolinealidad, inferencias sobre los parámetros de regresión, selección y adecuación del modelo.

[@antt5602]

¡Una de las pocas y mejores explicaciones de la Regresión Lineal Múltiple! Gracias Raúl Rodríguez

[@math7clasesalamano443]

Excelente video; esta teoría es muy útil cuando se construye un modelo de regresión múltiple.

[@profesorjaviervillar]

Excelente vídeo, profesor. Siga creando

[@juanfer7165]

Buenas explicaciones de Alto Nivel, Gracias

[@adguegallegos8367]

Excelente video!!! muchas gracias por el tiempo y el esfuerzo. Muy bien explicado y con todos los detalles para poder hacer una regresion decente

[@pria3710]

Excelente explicación y elocuente exposición, saludos cordiales

[@pedroalejandrobestardherna735]

No sé por qué este vídeo tan bueno tiene tan pocas views

[@franciscocarlosleoncioorbe7672]

yo tambien pienso mlo mismo..!

[@angellaguna5374]

porque la gente prefiere ver cosas insulsas y populacheras

[@joelcasanovas4663]

Buenas, tengo una duda, si en un ejercicio me faltan datos ya sea de x o y, como hago para obtener dichos datos, ejemplo tengo x = 14 datos, y1= 17 datos y y2= 27 datos

[@profeRaulRodriguez]

Hola. Las variables predictoras (independientes) y sus correspondientes valores asociados de variable de respuesta (dependiente) deben estar pareados, es decir, no podrías correr una regresión con datos faltantes. Una opción sería remover aquellos casos (renglones) que contengan datos faltantes. Si son pocos los datos faltantes, existen técnicas de imputación de datos que en ocasiones se utilizan para estimar esos datos faltantes y completarlas, pero se requieren ciertas condiciones para usarla, y en el caso que comentas lo veo poco apropiado

[@joelcasanovas4663]

@@profeRaulRodriguez Muchas gracias hermano, es que la profesora me mandó un ejercicio de ese tipo, y no sabía cómo resolverlo